聚类算法综述

Posted 2021-04-08 大勤喵

步骤

其中，在validation中根据聚类的不同分3中策略：

聚类算法的分类：

距离度量 层次聚类

根节点与叶子节点 

误差，如kmeans, ISODATA

图论

其中，常见的距离度量公式有：

常见算法的复杂度比较：

* 每种方法都有范式的表达，具体需要的时候再返回来具体看。

聚类到底应该分多少类？

它是聚类有效性的根本问题

EM算法 蒙特卡洛交叉验证 K

ACI和BCI，及其他一些参数

其他方法：

除了上述的固定类别个数方法，还有一些自适应确定聚类数据的方法：

总结：

没有一个算法是普遍适用的

对好的算法的要求

I) generate arbitrary shapes of clusters rather than be confined to some particular shape;

II) handle large volume of data as well as high-dimensional features with acceptable time and storage complexities; 

III) detect and remove possible outliers and noise; 

IV) decrease the reliance of algorithms on users-dependent parameters; 

V) have the capability of dealing with newly occurring data without relearning from the scratch; 

VI) be immune to the effects of order of input patterns; VII) provide some insight for the number of potential clusters without prior knowledge;

VIII) show good data visualization and provide users with results that can simplify further analysis; 

IX) be capable of handling both numerical and nominal data or be easily adaptable to some other data type.

特征的选择准则  

* 很好的综述，里面还有不同算法在几个应用中的对比示例。